3 - Programación Entera.

Instituto Tecnológico Superior de Uruapan
Ingeniería Industrial
Investigación de Operaciones 1.
Enero-Junio 2018
Facilitador: Ing. Francisco Jesús Arévalo Carrasco

Tema 3
3. Programación Entera.
3.1. Introducción y casos de aplicación.
3.2. Definición y modelos de programación
entera.
3.3. Método de ramificación y acotación.
3.4. Método heurístico para problemas binarios.
3.5. Uso de software
3.1 Introducción y casos de aplicación.
Las aplicaciones de programación lineal entera (PLE) caen

dentro de dos categorías: Directa y transformada.
Directa: La naturaleza de la situación impide la asignación
de valores fraccionarios a las variables del modelo. Por
ejemplo,el problema puede implicar la determinación de
si se emprende o no un proyecto (variable binaria),o la
determinación del número óptimo de máquinas
necesarias para realizar una tarea (variable general
entera).
Transformada: Se utilizan variables enteras auxiliares
para convertir analíticamente situaciones insolubles en
modelos que pueden resolverse por medio de algoritmos
de optimización disponibles.
Problema de cobertura de conjunto.
Para promover la seguridad en
el campus el Departamento de
Seguridad Pública de la
Universidad de Arkansas se
encuentra en proceso de
instalación de teléfonos de
emergencia en lugares
seleccionados. El
departamento desea instalar
una cantidad mínima de estos
aparatos que presten servicio
a cada una las calles
principales del campus.
3.2 Definición y modelos de programación
Un problema se define como programa entero puro cuando

todas las variables son enteras. En caso contrario, es un
programa entero combinado (PEC) o mixto que implica una
combinación de variables enteras y continuas.
Atendiendo al tipo de variables:
• Enteros puros: son aquellos en que todas las variables
únicamente pueden tomar valores enteros. también se
distinguen dentro de estos los problemas totalmente
enteros como aquellos en que tanto las variables como
todos los coeficientes que intervienen en el problema
han de ser enteros.
• Mixtos: son aquellos en los que hay al mismo tiempo
variables continuas y variables que sólo pueden tomar
valores enteros.
• Binarios: las variables sólo pueden tomar los valores
cero o uno.
• Atendiendo al criterio del tipo de problema:
Directo: Si el problema de decisión involucra variables
enteras.
• Codificado: Cuando se trata de un problema que
contiene además de aspectos cuantitativos, alguna
consideración de tipo cualitativos, y por ello para tratar
este tipo de aspectos se requiere el uso de variable
enteras o binarias.
• Transformado: Cuando el problema no incluye
variables enteras, pero para ser tratado analíticamente
requiere el uso de variable enteras “artificiales”.
3.3 Método de ramificación y acotamiento.
3.4. Método heurístico (Algoritmo aditivo) para
problemas binarios.
Características del modelo.

• La función objetivo debe ser del tipo minimización, con
todas las variables con coeficientes no negativos en la
función objetivo. Para convertir un coeficiente en positivo se
utiliza: xj= 1-x´j
• Todas las restricciones deben ser de tipo <= entero con los
lados derechos negativos de ser necesario. Después estas
restricciones se convierten a ecuaciones, usando las
variables auxiliares (Holgura) en el lado izquierdo de las
restricciones.
• Si la solución de inicio es factible hay termina el problema. Si
es infactible, hay que hacerla factible elevando a uno la
variable que disminuya en mayor manera la infactibilidad
(Ramificación y acotamiento).
Ejemplo:
Maximizar Z=3x1+2x2-5x3-2x4+3x5
s.A x1+ x2+ x3+2x4+ x5 <=4
7x1 +3x3-4x4+3x5<=8
11x1-6x2 +3x4-3x5>=3
x1,x2,x3,x4,x5= 0 y 1
• Debemos hacer la función objetivo del tipo de
minimización. (Multiplicando por -1).
• Vamos a tener coeficientes negativos en la
función objetivo por lo que para las variables que
tienen esos coeficientes debemos aplicar la regla
(x=1-x´) y sustituir en la función objetivo y las
restricciones.
• La función objetivo 3 debemos de multiplicarla
por -1 para cambiar el signo de la restricción.
Minimizar Z=-3x1-2x2+5x3+2x4-3x5
x1=1-x´1
x2=1-x´2
x5=1-x´5
Minimizar Z=-3(1-x´1)-2(1-x´2)+5x3+2x4-3(1-x´5)
Minimizar Z=-3(1-x´1)-2(1-x´2)+5x3+2x4-3(1-x´5)
s.a (1-x´1)+ (1-x´2)+ x3+2x4+ (1-x´5) <=4
7(1-x´1) +3x3-4x4+3(1-x´5) <=8
-11(1-x´1)+6(1-x´2) -3x4+3(1-x´5) <=-3
x´1,x´2,x3,x4,x´5=0 y 1
Minimizar Z=3x´1+2x´2+5x3+2x4+3x´5 -8
s.a -x´1 - x´2+ x3+2x4 -x´5 +s1 =4-3=1
-7x´1 +3x3-4x4 -3x´5 +s2 =8-10=-2
11x´1 -6x´2 -3x4 -3x´5 +s3 =-3+2=-1
x´1,x´2,x3,x4,x´5=0 y 1
Como la solución es infactible, hay que elevar una

variable a nivel 1, en este caso es x´5 la que puede
mejorar la solución; y como ocurre en el algoritmo de
ramificación y acotamiento debemos inspeccionar para
encontrar una mejor solución si es que existe.
La solución es:
x´1=0, x´2=0, x3=0, x4=0 y x´5= 1
Como:
X=1-x´ ENTONCES
x1=1-x´1=1-0=1
x2=1-x´2=1-0=1
X3=0
X4=0
x5=1-x´5=1-1=0
Z=5

3 - Programación Entera.

Cargado por

Copyright:

Formatos disponibles

3 - Programación Entera.

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

3 - Programación Entera.

Cargado por

Copyright:

Formatos disponibles

Instituto Tecnológico Superior de Uruapan

Facilitador: Ing. Francisco Jesús Arévalo Carrasco

Las aplicaciones de programación lineal entera (PLE) caen

Un problema se define como programa entero puro cuando

Características del modelo.

Como la solución es infactible, hay que elevar una

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.